二米资源网

[1]-第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
[2]-第二课：柏拉图表征假说与scaling law： KM缩放定律.mp4

[3]-第三课： AI开发环境（python、 conda， vscode.mp4

[4]-第一课：大模型微调llama-factory环境准备.mp4

[5]-第二课：微调数据集准备（SFT，继续预训练，偏好优化）.mp4

[6]-第三课：微调过程lora微调与Qlora微调.mp4

[7]-第四课：模型评估（批量推理与自动评估benchmark）.mp4

[8]-第五课：模型部署（模型合并导出与量化，本地部署）.mp4

[9]-第一课：RAG技术原理与RAGFlow项目实操.mp4

[10]-第二课： Naive RAG与langchain实践.mp4

[11]-第三课：高级RAG （一）层次索引，句子窗口，子查询， HyDE.mp4

[12]-第四课：高级RAG （二）提示词压缩，融合， llamainde.mp4

[13]-第五课：模块化RAG （一）顺序模式，条件模式，分支模式.mp4

[14]-第六课：模块化RAG（二）迭代，递归检索，FLARE， Toc.mp4

[15]-第七课： Embedding原理： word2vec、 CBOW.mp4

[16]-第八课： Embedding模型训练： llamaindex微调.mp4

[17]-第九课： Embedding模型评估： MRR评测， MTEB评测.mp4

[18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码.mp4

[19]-第十一课： Rerank模型微调与实践（二） rankGPT.mp4

[20]-第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度.mp4

[21]-第十三课：相似性搜索算法： k-means，肘部法则.mp4

[22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW， LSH.mp4

[23]-第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量.mp4

[24]-第十六课：向量数据库代码示例： chroma与qdrant代码.mp4

[25]-第十七课： RAG评估：评估指标，RAGAs， TruLens.mp4

[26]-第十八课： RAG行业落地：实践心得，落地经验，业务场景.mp4

[27]-第一课： Agent原理简介： planning， memory， .mp4

[28]-第二课：提示词工程：软提示词， fewshot， COT，TOT.mp4

[29]-第三课： Agent平台：国内外主流平台， Coze搭建智能客服.mp4

[30]-第四课： Agent工具使用与function call： MR.mp4

[31]-第五课： Agent设计模式（一）： Fewshot， ReAct.mp4

[32]-第六课： Agent设计模式（二）： REWOo， LLMComp.mp4

[33]-第七课： Agent设计模式（三）： Reflexion， LAT.mp4

[34]-第八课： Agent框架： Single Agent， Multi.mp4

[35]-第九课： Langchain项目原理与实战.mp4

[36]-第十课： Langgraph项目原理与实战.mp4

[37]-第十一课： Langgraph多Agent架构：协作多Age.mp4

[38]-第十二课： AutoGen项目原理与实战（一）： AutoGen.mp4

[39]-第十三课： AutoGen项目原理与实战（二）：代码执行，工具.mp4

[40]-第十四课： CrewAI项目原理与实战： Crew，Task，A.mp4

[41]-第一课：知识图谱： RDFRDFS，OWL，知识图谱架构，实.mp4

[42]-第二课： GraphRAG （一）：原理，部署使用， GraphR.mp4

[43]-第三课：GraphRAG（二）：索引原理，Leiden算法，.mp4

[44]-第四课：GraphRAG（三）：全局查询，局部查询，drif.mp4

[45]-第五课：LightRAG（一）：原理，实体与关系提取，双层检.mp4

[46]-第六课：LightRAG（二）：示例代码，参数解读，grap.mp4

[47]-第七课：LightRAG（三）：Neo4j使用，API Se.mp4

大模型工程师配套资料

 

龙哥-AI大模型应用开发-模型训练-RAG-Agent-AI项目实战
百度网盘分享地址： 链接: https://pan.baidu.com/s/1XoK9zEmVpEJW5AYKxMJXPA?pwd=hqcd 提取码: hqcd